제품›
분석›
Amazon Redshift

Amazon Redshift

데이터 레이크하우스용 SQL을 사용하여 대규모로 비교 불가능한 가격 대비 성능을 제공

Amazon Redshift를 사용해야 하는 이유는 무엇인가요?

수만 명의 고객이 대규모 최신 데이터 분석에 Amazon Redshift를 사용하여 다른 클라우드 데이터 웨어하우스보다 최대 3배 더 나은 가격 대비 성능과 7배 더 많은 처리량을 확보하고 있습니다. Amazon Redshift는 Amazon SageMaker Lakehouse와 원활하게 통합되므로 Amazon Redshift 데이터 웨어하우스 및 Amazon Simple Storage Service(Amazon S3) 데이터 레이크 전반의 통합 데이터에 대한 강력한 SQL 분석 기능을 사용할 수 있습니다. 복잡한 데이터 파이프라인을 구축하지 않고도 스트리밍 서비스, 운영 데이터베이스, 서드 파티 엔터프라이즈 애플리케이션의 데이터를 연결하는 Amazon Redshift 제로 ETL 통합으로 실시간에 가까운 분석을 통해 의사 결정을 가속화할 수 있습니다. Amazon Redshift Serverless를 사용하면 분석을 손쉽게 확장할 수 있으므로 인프라 관리에 대한 부담 없이 페타바이트 규모의 데이터를 분석할 수 있습니다. 자연어를 통해 SQL 작성을 간소화하는 Amazon Q in Amazon Redshift를 사용하여 팀의 생산성을 향상시킬 수 있습니다. Amazon Redshift를 Amazon Bedrock의 생성형 AI 어시스턴트를 위한 구조화된 지식 기반으로 사용하여 데이터의 가치를 극대화하면 애플리케이션에서 더 관련성 있고 정확한 출력을 얻을 수 있습니다.

이점

탁월한 가격 대비 성능, 확장성 및 보안 달성

Amazon Redshift에서 데이터 분석 워크로드를 확장할 때 다른 클라우드 데이터 웨어하우스보다 최대 3배 높은 가격 대비 성능과 7배 더 많은 처리량을 제공합니다. 조직 전체에서 확장 가능한 다중 데이터 웨어하우스 아키텍처로 워크로드를 격리하여 비용을 절감하고 비즈니스 크리티컬 SLA를 충족합니다. 네트워크 격리와 같은 포괄적인 보안 기능과 행 수준 및 열 수준 권한과 같은 세분화된 액세스 제어를 통해 추가 비용 없이 데이터를 보호할 수 있습니다.

레이크하우스의 통합 데이터 전반에서 SQL을 사용하여 인사이트 확보

SageMaker Lakehouse와의 원활한 통합을 통해 모든 통합 데이터에서 Amazon Redshift의 강력한 SQL 분석 기능을 사용합니다. Amazon S3에 저장된 개방형 형식의 데이터를 고성능으로 쿼리하므로 데이터 레이크와 데이터 웨어하우스 간에 데이터를 이동하거나 복제할 필요가 없습니다. Amazon Redshift 데이터를 SageMaker Lakehouse에 손쉽게 포함시켜 광범위한 AWS 및 Apache Iceberg 호환 분석 엔진 및 기계 학습(ML) 도구에서 데이터에 액세스할 수 있습니다.

실시간에 가까운 분석을 통해 의사 결정을 가속화

복잡한 파이프라인을 구축 및 관리할 필요 없이 페타바이트 규모의 데이터를 분석에 사용할 수 있어 분석 사용 사례에 거의 실시간으로 액세스할 수 있으므로 혁신이 가속화됩니다. 제로 ETL 통합을 사용하여 Amazon Aurora, Amazon Relational Database Service(Amazon RDS), Amazon DynamoDB와 같은 데이터베이스에서 성능에 영향을 주지 않고 트랜잭션 데이터를 Amazon Redshift로 원활하게 이동할 수 있습니다. 네이티브 스트리밍 서비스 통합을 통해 Amazon Kinesis와 Amazon Managed Streaming for Apache Kafka(Amazon MSK)에서 대용량 실시간 데이터를 수집할 수 있습니다. 모든 데이터를 단일 위치에 모아 실시간에 가까운 분석을 지원하고 Amazon Redshift에서 예측 ML 모델을 직접 구축하여 강력한 비즈니스 인사이트를 얻을 수 있습니다.

인프라를 관리하지 않고도 손쉽게 SQL 분석을 수행

Amazon Redshift Serverless를 사용하면 몇 초 만에 데이터 분석을 시작할 수 있습니다. Amazon Redshift Serverless는 워크로드에서 학습하고 컴퓨팅 리소스를 자동으로 확장하여 진화하는 분석 요구 사항을 처리하므로 인프라를 관리할 필요 없이 인사이트를 발견하는 데 집중할 수 있습니다. 인프라 설정 또는 유지 관리 없이 데이터 소스에 연결하고 데이터 분석을 시작할 수 있습니다.

생성형 AI로 애플리케이션 컨텍스트화하고 사용자 생산성을 향상

Amazon Redshift와 Amazon Bedrock의 원활한 통합을 통해 페타바이트 규모의 조직 데이터로 개인화된 애플리케이션을 구축할 수 있습니다. Amazon Redshift Query Editor의 Amazon Q 생성형 SQL을 사용하여 데이터 사용자가 자연어로 SQL 쿼리를 더 빠르게 작성할 수 있도록 하여 생산성을 높일 수 있습니다. Amazon Bedrock 및 SageMaker에서 텍스트 요약, 엔터티 추출, 감정 분석과 같은 고급 자연어 처리 태스크를 위한 대규모 언어 모델을 간접적으로 호출하고 SQL을 사용하여 데이터에서 보다 심층적인 인사이트를 얻을 수 있습니다.

작동 방식

Amazon Redshift는 SQL을 사용하여 여러 데이터 웨어하우스, 운영 데이터베이스 및 데이터 레이크에서 정형 데이터 및 반정형 데이터를 분석하고 AWS가 설계한 하드웨어 및 ML을 사용해 어떤 규모에서든 최고의 가격 대비 성능을 지원합니다.

사용 사례

재무 및 수요 예측 개선

초당 수백 메가바이트의 데이터를 수집하므로 거의 실시간으로 데이터를 쿼리하고 사기 탐지, 실시간 순위표 및 IoT를 위한 지연 시간이 짧은 분석 애플리케이션을 구축할 수 있습니다.

비즈니스 인텔리전스 최적화

Amazon QuickSight, Tableau, Microsoft PowerBI 등의 Amazon Redshift 및 BI 도구를 사용하여 인사이트 중심의 보고서와 대시보드를 구축할 수 있습니다.

SQL에서 기계 학습 가속화

SQL을 사용하여 예측 분석, 분류, 회귀 등을 비롯한 다양한 사용 사례에 대한 ML 모델을 구축, 훈련 및 배포해 대량의 데이터에 대한 고급 분석을 지원할 수 있습니다.

데이터로 수익 창출

데이터베이스, 데이터 웨어하우스, 데이터 레이크 전반의 모든 데이터를 기반으로 애플리케이션을 구축할 수 있습니다. 원활하고 안전하게 공유하고 협업하여 고객을 위한 더 많은 가치를 창출하고, 서비스 형태로 데이터를 수익화하며, 새로운 수익원을 개발할 수 있습니다.

데이터를 서드 파티 데이터 세트와 손쉽게 결합

AWS Data Exchange에서 시장 데이터, 소셜 미디어 분석, 날씨 데이터와 같은 서드 파티 데이터를 구독하고 Amazon Redshift의 데이터와 결합할 수 있습니다. 라이선스 및 온보딩 프로세스와 데이터를 웨어하우스로 이동하는 번거로운 과정을 거치지 않아도 됩니다.